生成对抗网络的似然估计
机器学习
2017-11-15 v1 人工智能
摘要
我们提出了一种评估生成对抗网络 (GANs) 中生成图像质量的简单方法。该方法可应用于任何类型的 GAN，而不会干扰学习过程或影响学习目标。其核心思想是定义一个与生成图像质量相关的似然函数。具体而言，我们从判别器中真实图像的嵌入（隐藏激活）分布中推导出一个高斯似然函数，并基于此定义了两个简单的度量，用以衡量生成图像的嵌入来自真实图像嵌入分布的可能性。这为所有类型的 GANs 提供了一种简单的生成图像适应度度量。在 CIFAR-10 上的实验结果表明，所提出的度量与生成图像的感知质量之间存在强相关性。
引用
@article{arxiv.1707.07530,
title = {Likelihood Estimation for Generative Adversarial Networks},
author = {Hamid Eghbal-zadeh and Gerhard Widmer},
journal= {arXiv preprint arXiv:1707.07530},
year = {2017}
}
备注
ICML 2017 Workshop on Implicit Models